تخمین دبی جامد ورودی به مخزن سد شهریار

نوع مقاله : مقاله پژوهشی

نویسندگان

چکیده

ایجاد رواناب سطحی و جریان آب در آبراهه‌ها، کانال‌ها و رودخانه‌ها همواره تواًم با فرسایش خاک و حمل مواد رسوبی است. میزان رسوبات وارده به مخزن سد باعث کاهش حجم موثر مخزن و عمر مفید سد گشته و نیز اثرات نامطلوب بر عملکرد تأسیسات خروجی، دریچه‌های سازه‌های وابسته، پایداری و نیز کیفیت آب مخزن دارد. بنابراین برآورد حجم واقعی رسوبات وارده به مخزن از اهمیت بالایی برخوردار است. به دلیل پیچیدگی پدیده فرسایش و انتقال رسوب و نیز تأثیر پارامترهای مختلف بر آن،  تعیین معادلات حاکم مشکل بوده و در صورت تعیین مدل ریاضی نیز، از دقت کافی برخوردار نیستند. در این تحقیق از یکسو روش‌های کلاسیک و منحنی سنجه رسوب برای پیش بینی بار کل رسوب مورد استفاده قرار گرفت. و از سوی دیگر عملکرد روش های داده‌گرا و هوش مصنوعی نظیر شبکه‌های عصبی پیش‌خور، شعاع مبنا، رگرسیون تعمیم یافته و نیز مدل فازی عصبی جهت برآورد دبی جامد وارده به مخزن سد شهریار مورد ارزیابی قرار گرفت. نتایج حاصله حاکی از قابلیت و کارایی بالای روش‌های شبکه عصبی و فازی- عصبی و ضعف و عدم توانایی منحنی سنجه و روش‌های کلاسیک در برآورد رسوب داشت.            

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of Solid Load Inflow to Shahriar Dam Reservoir

نویسندگان [English]

  • Kiumars Roshanghar
  • Behzad Rohparvar
  • Shahbaz Hasani
چکیده [English]

Soil erosion and sediment transport occur due to surface runoff and flow in channels and rivers. Sediment input rate into dam reservoirs not only decreases effective volume of reservoirs, but also has non desirable influence on intake structures, gates, stability and water quality. Thus, estimation of sediment transport input into reservoirs is an important factor. Due to complexity and effect of different parameters on erosion and sediment transport Phenomenon, the mathematical simulations of sediment transport have not enough accuracy. In this research, for predicting of solid inflow to reservoir of Shahriar dam firstly, sediment rating curve and classic methods are used. Then, the applicability of data driven and artificial intelligent approaches like feed forward, radial basis, generalized regression neural  networks and neuro-fuzzy systems are evaluated. Results indicate the high capability and workability of neural network and neuro fuzzy methods and low accuracy of sediment rating curve and classic methods in simulation of sediment transport rate.

کلیدواژه‌ها [English]

  • Feed forward neural network
  • Generalized regression
  • Neuro-Fuzzy systems
  • Radial basis
  • Sediment rating curve
  • Solid load discharge